公平性を考慮したリランキングのパーソナライズ

パーソナライズされた推薦は、特にユーザーだけが推薦システムに関与するステークホルダーではないシナリオにおいて、公平性の確保に関する新たな課題をもたらします。例えば、システムは異なるプロバイダーのアイテムが推薦される公平な機会を確保したいと考える場合があります。この問題を解決するために、ランキング品質とプロバイダー側の公平性のバランスを取る公平性配慮型リランキングアルゴリズム（FAR）を提案します。本手法では、精度とプロバイダーのカバレッジとのトレードオフを図りながら、ランキングリストを反復的に生成します。プロバイダーの公平な扱いは望ましいものの、このような多様性の追加に対する受容性はユーザーによって異なる可能性があります。そのため、プロバイダーの多様化に対するパーソナライズされたユーザーの許容度を組み込んでいます。合成データと実世界データの両方で実験を実施しました。結果から、提案するリランキングアルゴリズムは、精度をわずかに犠牲にするだけで公平性を大幅に促進でき、個々のユーザーの違いに配慮しながらそれを実現できることが示されています。